圖像非局部均值濾波去噪和修復(fù)算法的改進(jìn)研究.pdf

1、數(shù)字圖像在其采集及傳輸過(guò)程中，難免會(huì)受到不同類型的噪聲干擾。噪聲的引入會(huì)降低圖像的主觀視覺(jué)質(zhì)量，并且會(huì)對(duì)其需要進(jìn)行后續(xù)處理及識(shí)別的圖像造成嚴(yán)重影響。數(shù)字圖像修復(fù)在圖像處理領(lǐng)域中同樣處于重要的位置，并且其應(yīng)用前景很廣泛。圖像去噪和修復(fù)的各類算法，都還存在很多需要不斷完善之處，特別是針對(duì)圖像紋理及細(xì)節(jié)區(qū)域的處理往往還不夠令人滿意。為此，本文深入研究各種經(jīng)典的圖像去噪和圖像修復(fù)算法，并且在原始非局部均值濾波（Non-local means，N

2、LM）基礎(chǔ)上，分別提出了針對(duì)去噪和修復(fù)的改進(jìn)方案。
　　非局部均值濾波的核心思想是利用自然圖像中本身就存在的大量冗余信息，對(duì)每個(gè)像素周圍的整個(gè)區(qū)域灰度分布作對(duì)比，根據(jù)像素周圍區(qū)域分布的相似性來(lái)決定其對(duì)應(yīng)的相似權(quán)值大小，最后通過(guò)對(duì)這些樣本像素進(jìn)行高斯加權(quán)平均的方式得到待處理像素的灰度估計(jì)值。原始NLM在圖像的平滑區(qū)域去噪效果良好，但在邊緣結(jié)構(gòu)區(qū)域以及紋理較為復(fù)雜區(qū)域性能較弱。本文主要工作和創(chuàng)新點(diǎn)如下：
　?。?）圖像去噪方面，

3、改進(jìn)了非局部均值濾波算法。本文分別針對(duì)圖像的平滑區(qū)域和邊緣結(jié)構(gòu)及紋理區(qū)域作了兩次處理，首先針對(duì)含噪圖像的平滑區(qū)域，使用相對(duì)大尺度的像素搜索窗和像素相似窗預(yù)生成粗略的相似集后得到一次去噪后的圖像，然后對(duì)于經(jīng)過(guò)一次處理后的圖像，選擇相對(duì)小尺寸的像素搜索窗和相似窗預(yù)生成精確的相似集，排出不相似集，對(duì)圖像進(jìn)行第二次去噪處理，以獲取最終效果圖。仿真實(shí)驗(yàn)結(jié)果說(shuō)明了本文的新算法在提高NLM性能的同時(shí)，在圖像的結(jié)構(gòu)信息及紋理信息保持得更好。